论文部分内容阅读
交通事故在世界范围内给人们的生命财产安全带来了极大的危害。酒后驾驶是诱发交通事故的重要原因之一。2015年，中国交通管理部门查处的酒后驾驶交通违法行为约78万起。面对当下道路交通安全的严峻形势，积极探索先进的交通安全管理理论，突破理论应用所需的关键技术，预防酒后驾驶等高发交通事故就显得尤为紧迫和重要。
传统交通安全分析方法的常见流程是发现事故黑点，分析事故原因，实施安全改善，进行安全评价。然而，该方法是“被动式”的交通安全改善，而非“主动式”的交通安全预防，交通安全规划理论于是被提出并成为当前国际道路交通业界和学界最为前沿的研究方向之一。交通安全规划理论将交通安全作为首要的规划目标和评价指标，并且将交通安全规划贯穿于整个交通系统方案的设计、建设、评价以及后期的交通运营管理全过程中，在不同阶段实现主动预防，而非被迫改善，从而实现对交通事故的标本兼治。交通安全规划理论研究的重点在于区域交通事故预测模型的建立。然而，国内的交通安全规划研究仍处于初级阶段，缺乏具有实践意义的系统理论和应用技术积累。因此，如何进行科学、可靠的区域交通事故预测，成为构建交通安全规划理论体系必须要解决的关键科学问题。
随着互联网技术和计算机技术的发展，互联网大数据、空间计量经济学、机器学习等数据采集与挖掘分析理论、技术迅速发展，为宏观角度深入研究酒驾交通事故的特征规律提供了全新的数据基础和技术支持。因此，依托国家重点研发计划项目“车辆级和网络级在途车辆运行状态安全诊断与在线预警平台”(2017YFC0803903)资助，本论文从城市地理空间视野着手，以区域酒驾事故预测为总体目标开展研究，具体内容安排如下:
首先，重点研究酒驾事故数据采集及特征分析。基于VBA编程对3万余份酒后驾驶血液酒精含量检验报告进行事故数据提取，基于C++编程实现事故地点和酒精销售和消费相关POI点(Point of Interest，POI)等数据的空间地理编码，基于地理空间分析软件ArcGIS计算事故起数密度、POI点密度、路网密度和交叉口密度，最终得到可靠的酒驾事故研究数据集。设计发放调查问卷，基于城市地理空问视野对饮酒消费行为、酒驾行为认知、酒驾预防认知等酒驾交通行为特征进行具体分析。通过事故数据对驾驶员、车辆类型、事故发生时间、血液采集间隔时间等酒驾事故基本特征进行详细阐述。更进一步地，基于Logistic回归模型对饮酒驾驶和醉酒驾驶下的事故严重程度进行量化比较研究，进一步明确了酒后驾驶行为的严重危害性。
然后，在不考虑城市空间区域之间的交互影响作用下，对酒驾事故进行单一区域的预测研究。对酒驾事故影响因素开展相关性分析、多重共线性分析和对数化处理，总结归纳线性回归理论及模型评价准则，构建传统最小二乘法模型(0rdinary Least Square，OLS)进行酒驾事故线性回归预测。同时，基于机器学习理论，运用Python编程构建人工神经网络(Artificial Neural Network，ANN)和支持向量回归模型(Support Vector Regression，SVR)，对酒驾事故发生进行非线性预测，并对预测结果进行分析比较，最终确定无空间效应下的最佳酒驾事故预测模型。
其次，对酒驾事故的空间相关性进行研究。引入空间相关性理论，基于行政区、街道和交通分析小区(Traffic Analysis Zone，TAZ)尺度，采用“车式”邻接、“后式”邻接、“欧式”反距离和“曼哈顿式”反距离四种不同空间权重矩阵，从全局角度对酒驾事故空间相关性进行全面检验。对前述OLS模型，运用拉格朗日乘数检验(Lagrange Multiplier，LM)探索酒驾事故空间相关性特征。在此基础上充分考虑不同空间效应影响，分别构建空间滞后模型(spatial Lag Model.SLM)、空间误差模型(Spatial Error Model，SEM)和空间杜宾模型(Spatial Durbin Model，SDM)，从全市整体区域和分区域研究两个层面进行了实证研究。
再次，对酒驾事故的空间异质进行研究。引入空间异质性理论，从局部角度对酒驾事故空间效应进行研究。在固定带宽和自适应带宽两种带宽选择模式下，基于高斯函数和双重平方函数建立地理加权回归模型(Geographical WeightedRegressive，GWR)，并分别基于赤池信息准则(Akaike Information Criterion，AIC)和交叉验证准则(Cross-validation，CV)进行模型预测结果比较。在此基础上，考虑到不同城市空间区域的变量系数有可能是全局变量，也可能是局部变量，构建不同的混合地理加权模型(Mixed Geographically Weighted Regressionmodel，MGWR)，优选确定最佳区域酒驾事故预测的空间异质性模型，并对全局变量和局部变量进行可视化展示和分析。
最终，对构建的不考虑空间效应、考虑空间相关性效应、考虑空间异质性效应的酒驾事故模型进行整体比较，分析引入空间效应对区域酒驾事故预测的作用，形成区域酒驾事故预测的方法。本研究结果有助于推动交通安全规划基础理论和技术应用的进一步深入发展，同时为酒后驾驶交通事故预防和管理提供决策支持。
传统交通安全分析方法的常见流程是发现事故黑点，分析事故原因，实施安全改善，进行安全评价。然而，该方法是“被动式”的交通安全改善，而非“主动式”的交通安全预防，交通安全规划理论于是被提出并成为当前国际道路交通业界和学界最为前沿的研究方向之一。交通安全规划理论将交通安全作为首要的规划目标和评价指标，并且将交通安全规划贯穿于整个交通系统方案的设计、建设、评价以及后期的交通运营管理全过程中，在不同阶段实现主动预防，而非被迫改善，从而实现对交通事故的标本兼治。交通安全规划理论研究的重点在于区域交通事故预测模型的建立。然而，国内的交通安全规划研究仍处于初级阶段，缺乏具有实践意义的系统理论和应用技术积累。因此，如何进行科学、可靠的区域交通事故预测，成为构建交通安全规划理论体系必须要解决的关键科学问题。
随着互联网技术和计算机技术的发展，互联网大数据、空间计量经济学、机器学习等数据采集与挖掘分析理论、技术迅速发展，为宏观角度深入研究酒驾交通事故的特征规律提供了全新的数据基础和技术支持。因此，依托国家重点研发计划项目“车辆级和网络级在途车辆运行状态安全诊断与在线预警平台”(2017YFC0803903)资助，本论文从城市地理空间视野着手，以区域酒驾事故预测为总体目标开展研究，具体内容安排如下:
首先，重点研究酒驾事故数据采集及特征分析。基于VBA编程对3万余份酒后驾驶血液酒精含量检验报告进行事故数据提取，基于C++编程实现事故地点和酒精销售和消费相关POI点(Point of Interest，POI)等数据的空间地理编码，基于地理空间分析软件ArcGIS计算事故起数密度、POI点密度、路网密度和交叉口密度，最终得到可靠的酒驾事故研究数据集。设计发放调查问卷，基于城市地理空问视野对饮酒消费行为、酒驾行为认知、酒驾预防认知等酒驾交通行为特征进行具体分析。通过事故数据对驾驶员、车辆类型、事故发生时间、血液采集间隔时间等酒驾事故基本特征进行详细阐述。更进一步地，基于Logistic回归模型对饮酒驾驶和醉酒驾驶下的事故严重程度进行量化比较研究，进一步明确了酒后驾驶行为的严重危害性。
然后，在不考虑城市空间区域之间的交互影响作用下，对酒驾事故进行单一区域的预测研究。对酒驾事故影响因素开展相关性分析、多重共线性分析和对数化处理，总结归纳线性回归理论及模型评价准则，构建传统最小二乘法模型(0rdinary Least Square，OLS)进行酒驾事故线性回归预测。同时，基于机器学习理论，运用Python编程构建人工神经网络(Artificial Neural Network，ANN)和支持向量回归模型(Support Vector Regression，SVR)，对酒驾事故发生进行非线性预测，并对预测结果进行分析比较，最终确定无空间效应下的最佳酒驾事故预测模型。
其次，对酒驾事故的空间相关性进行研究。引入空间相关性理论，基于行政区、街道和交通分析小区(Traffic Analysis Zone，TAZ)尺度，采用“车式”邻接、“后式”邻接、“欧式”反距离和“曼哈顿式”反距离四种不同空间权重矩阵，从全局角度对酒驾事故空间相关性进行全面检验。对前述OLS模型，运用拉格朗日乘数检验(Lagrange Multiplier，LM)探索酒驾事故空间相关性特征。在此基础上充分考虑不同空间效应影响，分别构建空间滞后模型(spatial Lag Model.SLM)、空间误差模型(Spatial Error Model，SEM)和空间杜宾模型(Spatial Durbin Model，SDM)，从全市整体区域和分区域研究两个层面进行了实证研究。
再次，对酒驾事故的空间异质进行研究。引入空间异质性理论，从局部角度对酒驾事故空间效应进行研究。在固定带宽和自适应带宽两种带宽选择模式下，基于高斯函数和双重平方函数建立地理加权回归模型(Geographical WeightedRegressive，GWR)，并分别基于赤池信息准则(Akaike Information Criterion，AIC)和交叉验证准则(Cross-validation，CV)进行模型预测结果比较。在此基础上，考虑到不同城市空间区域的变量系数有可能是全局变量，也可能是局部变量，构建不同的混合地理加权模型(Mixed Geographically Weighted Regressionmodel，MGWR)，优选确定最佳区域酒驾事故预测的空间异质性模型，并对全局变量和局部变量进行可视化展示和分析。
最终，对构建的不考虑空间效应、考虑空间相关性效应、考虑空间异质性效应的酒驾事故模型进行整体比较，分析引入空间效应对区域酒驾事故预测的作用，形成区域酒驾事故预测的方法。本研究结果有助于推动交通安全规划基础理论和技术应用的进一步深入发展，同时为酒后驾驶交通事故预防和管理提供决策支持。